支持向量机在神经元空间结构分类中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与研究意义 | 第8-9页 |
| ·神经元细胞分类中各种问题国内外的研究现状 | 第9-10页 |
| ·神经元细胞空间结构分类的问题描述 | 第10-11页 |
| ·本文的研究内容和主要创新点 | 第11-12页 |
| ·论文结构安排 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 理论介绍 | 第13-36页 |
| ·分形几何理论 | 第13-15页 |
| ·不平衡数据理论 | 第15-18页 |
| ·不平衡数据的分类的性能指标 | 第15-16页 |
| ·不平衡数据常用的分类方法 | 第16-18页 |
| ·统计学习与机器学习 | 第18-24页 |
| ·机器学习的基本问题 | 第19-20页 |
| ·经验风险最小化原理 | 第20-21页 |
| ·VC 维 | 第21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22-24页 |
| ·支持向量机 | 第24-34页 |
| ·最优分类超平面的结构 | 第25-26页 |
| ·线性支持向量机 | 第26-28页 |
| ·非线性支持向量机 | 第28-30页 |
| ·核函数的选择 | 第30-31页 |
| ·支持向量机的例子 | 第31-34页 |
| ·信噪比指标 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 神经元细胞数据预处理 | 第36-43页 |
| ·分形几何在神经元细胞空间结构上的运用 | 第36-38页 |
| ·不平衡数据理论与神经元细胞数据特征的结合 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于空间结构的神经元细胞分类 | 第43-58页 |
| ·神经元细胞分类算法框架 | 第43-44页 |
| ·神经元细胞空间结构的特征选择 | 第44-52页 |
| ·使用支持向量机进行分类 | 第52-57页 |
| ·支持向量机决策树的方法 | 第53-54页 |
| ·支持向量机决策树的实现方案 | 第54-55页 |
| ·支持向量机决策树分类的实验结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·论文总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 在校期间发表的论著 | 第64页 |
